Zilliz Cloud si espande con il supporto multi-cloud
Introduzione
È chiaro che le applicazioni basate sull’IA che prevedono, generano, analizzano e confrontano sono destinate a restare. Vediamo il machine learning integrato in ogni cosa, dai pianificatori di attività che aiutano ad aumentare la produttività, al testo predittivo integrato negli strumenti per email e contenuti, fino alla schiera di applicazioni di knowledge base nate dai nuovi plugin ChatGPT.
Poiché l’innovazione continua ad avanzare a velocità vertiginosa, il mercato premia lo sviluppo e la distribuzione rapidi. Risparmiare tempo è fondamentale mentre gli sviluppatori si affannano per tenere il passo in questo mercato in ipercrescita. Allora perché effettuare il provisioning e gestire la propria infrastruttura per archiviare gli embedding che alimentano le tue app di IA? La buona notizia è che non devi farlo.
Zilliz Cloud è un database vettoriale-as-a-service estremamente veloce e progettato appositamente, così puoi concentrarti sullo sviluppo della prossima grande innovazione nel ML. Con disponibilità multi-cloud e multi-regione, decidi tu dove vengono archiviati i tuoi dati, in modo che si trovino comodamente insieme al resto dello stack della tua applicazione. Oggi Zilliz Cloud è disponibile su AWS e Google Cloud, con ulteriori offerte cloud e regioni pianificate per le release future.
Regioni dei provider di servizi Zilliz Cloud
Zilliz Cloud su AWS
Con Zilliz Cloud su AWS, gli utenti possono scalare rapidamente la capacità di archiviazione della loro ricerca vettoriale senza dover riprovisionare l’hardware. Eseguire Zilliz Cloud su AWS semplifica l’integrazione della tua applicazione con altre tecnologie AWS di IA e ML. Zilliz Cloud è attualmente disponibile nelle regioni AWS us-west-2 e us-east-2.
Zilliz Cloud sull’AWS Marketplace
Zilliz Cloud è ora disponibile sull’AWS Marketplace, consentendo agli utenti di sbloccare ulteriori vantaggi, tra cui approvvigionamento semplificato, fatturazione consolidata e la possibilità di utilizzare la spesa AWS pre-impegnata.
- Approvvigionamento semplificato - L’acquisto tramite l’AWS Marketplace ti consente di evitare l’onboarding di Zilliz come nuovo fornitore e di acquistare invece tramite le tue condizioni AWS esistenti.
- Fatturazione consolidata - La spesa per Zilliz Cloud viene combinata nella tua fattura AWS mensile, semplificando la fatturazione per il tuo team finanziario.
- Spesa impegnata - Usa i tuoi crediti e sconti AWS pre-impegnati per l’acquisto di Zilliz Cloud.
Per i clienti che preferiscono bloccare prezzi annuali scontati continuando comunque a sfruttare il proprio account AWS Marketplace, Zilliz può creare offerte private tramite il marketplace.
Zilliz Cloud si espande a Google Cloud
Sappiamo che la scelta è importante quando si gestisce lo stack di sviluppo della propria applicazione. Per questo motivo, oltre ad AWS, Zilliz Cloud viene eseguito anche su Google Cloud. Zilliz Cloud su Google Cloud è attualmente disponibile nella regione gcp-us-west1.
In qualità di partner Google Cloud ufficiale, Zilliz continua a esplorare modi per integrarsi meglio con le tecnologie Google di IA e ML, così da rendere più semplice per gli sviluppatori creare le loro applicazioni. Intendiamo supportare più regioni e provider cloud nelle release future per continuare a mantenere il nostro impegno multi-cloud.
Pronto a iniziare?
Prova Zilliz Cloud oggi su AWS o Google Cloud con la nostra prova gratuita di 30 giorni e $100 in crediti.
Continua a leggere
Introducing Zilliz Cloud Global Cluster: Region-Level Resilience for Mission-Critical AI
Zilliz Cloud Global Cluster delivers multi-region resilience, automatic failover, and fast global AI search with built-in security and compliance.
AI Agents Are Quietly Transforming E-Commerce — Here’s How
Discover how AI agents transform e-commerce with autonomous decision-making, enhanced product discovery, and vector search capabilities for today's retailers.
Vector Databases vs. Object-Relational Databases
Use a vector database for AI-powered similarity search; use an object-relational database for complex data modeling with both relational integrity and object-oriented features.